具体实施方式

以下，参照附图对实施方式的信息处理系统进行说明。在以下的说明中，对于具有相同或类似的功能的结构附加相同标记。并且，有时省略这些结构的重复说明。所谓“基于XX”，是指“至少基于XX”，也能包括除了XX以外还基于其他要素的情况。所谓“基于XX”，不限于直接使用XX的情况，也能包括基于对XX进行运算、加工后的结果的情况。所谓“XX或YY”，不限于XX和YY中的某一方的情况，也能包括XX和YY双方的情况。这在选择的要素是3个以上的情况下也是同样的。“XX”及“YY”是任意的要素(例如任意的信息)。

(第一实施方式)

＜1.信息处理系统的整体结构＞

图1是表示实施方式的信息处理系统1的整体结构的图。信息处理系统1例如包括在各家庭中配置的洗衣机100、服务器200以及终端装置300。其中，在本说明书中，所谓“信息处理系统”，也可以不包括洗衣机100及终端装置300而仅指服务器200。关于后述的网络NW，可以根据情况而利用例如因特网、蜂窝网、Wi－Fi网、LPWA(Low Power Wide Area：低功耗广域)、WAN(Wide Area Network：广域网)、LAN(Local Area Network：局域网)、其他公共线路、专用线路等。

洗衣机100配置在用户U的住宅内。洗衣机100例如能够经由在用户U的住宅内配置的无线路由器R以及网络NW而与服务器200通信。图1所示的洗衣机100的台数是1台，但不限于此，也可以是多台。关于洗衣机100的结构在后详述。

服务器200包括1台以上的服务器装置SD(例如云服务器)而构成。服务器200也可以称作“服务器系统”。服务器200也可以包括网络NW中的路由器中包含的信息处理部等进行边缘计算、雾计算的信息处理部。关于服务器200在后详述。

终端装置300是个人计算机等设备，能够经由网络NW而与服务器200通信。终端装置300包括液晶显示器或有机EL显示器(Electro Luminescence)显示器等显示装置300a。其中，终端装置300和服务器装置SD也可以在1个装置中一体地设置。

＜2.洗衣机＞

＜2.1洗衣机的整体结构＞

图2是表示洗衣机100的结构例的外观图。此外，图3是表示洗衣机100的结构例的剖面图。图3表示图2中沿F2－F2线的洗衣机100的剖面。如图2及图3所示，洗衣机100是具备干燥功能的滚筒式洗涤干燥机，但这并不将本实施方式的洗衣机限定为滚筒式。洗衣机100也可以是立式的洗涤干燥机。洗衣机100构成为，具备无线模块70从而能够与网络连接。

洗衣机100例如具备洗衣机主体1B、门1D、开关4以及操作面板5。另外，在洗衣机100中，将门1D侧设为洗衣机100的前侧，将门1D所在的面的相反侧设为洗衣机100的后侧。在图1中采用XYZ轴坐标系，将+X轴规定为沿洗衣机100的前表面的水平方向，将+Y轴规定为进深方向，将+Z轴规定为铅直方向朝上。XYZ轴坐标系的说明在以下的图中也同样。

洗衣机主体1B构成洗衣机100的外壳，形成为前表面平滑地倾斜的矩形的箱状。在洗衣机主体1B的前表面中央部分设有开口1A。开口1A与设置在洗衣机主体1B的内部的转桶13(图2)连通。洗涤物通过该开口1A被投入到转桶13内。门1D以能够使开口1A开闭的方式设置。通过操作在开口1A附近设置的门把手1DL而打开门1D。此外，在门1D的开闭部设有作为对门的开闭进行检测的传感器的门开关601。

在洗衣机主体1B的前表面左上部，设有能够在前后方向上滑动而进出的洗涤剂柔顺剂投入部26(图3)。在将洗涤剂柔顺剂投入部26容纳在洗衣机主体1B的内部的情况下，洗涤剂柔顺剂投入部26的盖面26F形成为与洗衣机主体1B的前表面的倾斜同样的倾斜。在洗涤剂柔顺剂投入部26，设有用于供使用者在每次清洗运转时投入洗涤剂或柔顺剂的洗涤剂盒(未图示)。使用者在拉出洗涤剂柔顺剂投入部26而将使用者自己计量出的洗涤剂或柔顺剂注入而蓄积到该洗涤剂盒中的状态下，将洗涤剂柔顺剂投入部26容纳在洗衣机主体1B内。然后，若洗衣机100开始清洗运转，则被注入而蓄积在洗涤剂盒中的洗涤剂或柔顺剂在执行清洗运转控制的过程中的规定的定时被投入到盛水桶14(图3)内。此外，在洗涤剂盒，设有作为对盒内的洗涤剂及柔顺剂的余量进行检测的传感器的洗涤剂余量传感器602以及柔顺剂余量传感器603。

在洗衣机主体1B的上表面，设有供水口23、开口17A和盖34。供水口23通过未图示的供水管而与作为水源的自来水管的水龙头连接。并且，来自自来水管的水龙头的水经过供水管、供水口23以及后述的进水阀单元10而供给到洗衣机主体1B内设置的盛水桶14内。

在开口17A配置有开闭自由的盖34。例如，图1所示的盖34示出开放的状态。开口17A用于向在洗衣机主体1B的内部设置的补充液储存部17补充清洗处理剂。洗涤剂、柔顺剂、漂白剂以及它们的混合溶液是清洗处理剂的一例。在以下的说明中，例示了使用洗涤剂作为第一清洗处理剂并且使用柔顺剂作为第二清洗处理剂的情况。但不限于此，也可以例如通过同样的方法使用漂白剂或混合溶液取代上述例示，或除了上述例示之外还使用漂白剂或混合溶液。

例如，补充液储存部17具备泵30(图3)以及罐31和32。罐31和32是在上部设有未图示的液体接纳口的容器。罐31和32按每个罐分开储存从液体接纳口注入到内部的洗涤剂或柔顺剂。在从罐31和32内到盛水桶14的液体流路中设有泵30。若泵30驱动，则罐31和32内的清洗处理剂被注入到盛水桶14内。例如，由控制部80(在图4中后述)按照使用者所选择的清洗运转程序而决定使泵30驱动的定时。另外，例示罐31和32而说明了2个罐的情况，但罐的个数没有限制，也可以是1个，也可以是3个以上。

操作面板5受理与洗衣机100的运转有关的各种设定。例如，如图2所示，操作面板5设置在洗衣机主体1B的上表面前侧。操作面板5例如具备显示部6和开关4。显示部6例如形成为所谓的触摸式的操作面板，包含由静电电容式开关构成的触摸传感器。显示部6例如具备液晶显示器件等。显示部6在其显示面显示包含关于清洗运转控制的多种显示画面的图像。例如，操作面板5受理对洗衣机100的清洗运转控制的控制模式的切换(其他控制模式的开始)进行指示的使用者的操作，并且显示基于操作的设定内容、当前的运转状况。

开关4是洗衣机100的电源开关。在开关4的电源侧，设有未图示的电源线，经由该电源线从外部供电。此外，在开关4的负载侧，连接着将从外部供给的电力向洗衣机100的各功能部供给的电源部(未图示)。

具体而言，电源部将从外部供给的交流电转换为直流电，将稳定后的电压向洗衣机100的各功能部供给。例如，电源部包括未图示的直流电压的检测部(在图4中后述的电源检测部604)，将检测结果向控制部80供给。例如，若处于从电源部输出小于规定的阈值电压的直流电压的状态，则电源部对控制部80输出复位请求。若通过开关4接通电源而从电源部输出超过规定的阈值电压的直流电压，则电源部将检测结果反转，解除对控制部80的复位请求。洗衣机100从复位请求被解除起进行基于控制部80的初始化处理，然后，成为能够进行包含通信控制和清洗控制的各种控制的状态。通过开关4接通电源的操作是用于使清洗运转开始的操作(清洗运转开始操作)的一例。洗衣机100在检测到清洗运转开始操作后开始清洗运转。洗衣机100以从检测到清洗运转开始操作起实际开始清洗运转的方式规定了该顺序。但对这两者的时间差没有限制。

此外，洗衣机100连接有滚筒电机7、排水阀单元9、进水阀单元10、干燥单元11以及泵30(自动投入机构)。分别省略详细的说明，但滚筒电机7使设在洗衣机主体1B内的转桶13旋转。排水阀单元9包括未图示的排水阀、排水泵、排水阀电机，将盛水桶14内的水向机外排水。进水阀单元10包括未图示的进水阀、洗澡水泵、洗澡水泵电机，对供水口23或洗澡水的取水口24与盛水桶14内的连通进行开闭，向盛水桶14内供水。

干燥单元11包括未图示的压缩机、风扇、风扇电机、排气挡板电机，构成洗涤物的干燥用的加热泵单元。泵30在根据控制部80的控制而驱动的定时投入事先存储在罐31和32中的洗涤剂或柔顺剂。控制部80包括用于对各部分进行驱动的驱动电路。滚筒电机7、排水阀单元9、干燥单元11、进水阀单元10以及泵30经由控制部80而被控制。

＜2.2洗衣机的传感器组以及控制部的构成＞

图4是表示与洗衣机100的控制有关的结构例的框图。如图4所示，洗衣机100具备用于将自身与其他通信设备可通信地连接的无线模块70、用于使自身装置作为洗衣机发挥功能的控制部80、以及用于取得洗衣机的控制所需的各种信息的传感器组SU。控制部80通过洗衣机100内部的通信线而与传感器组SU可通信地连接，经由无线模块70而与服务器200可无线通信地连接。无线模块70经由无线路由器R而与服务器200无线通信。

控制部80包含例如CPU(Central Processing Unit：中央处理单元)等处理器、SRAM(Static Random Access Memory：静态随机存储器)、DRAM(Dynamic Random AccessMemory：动态随机存储器)等存储器、SSD(Solid State Drive：固态硬盘)、HDD(Hard DiskDrive：硬盘驱动器)等辅助存储装置而构成。控制部80通过处理器将在辅助存储装置中存储的程序读出到存储器上并执行，从而作为具备清洗控制部81、存储部82、信息记录部83以及信息输出部84的装置发挥功能。另外，控制部80的功能的全部或一部分也可以由ASIC(Application Specific Integrated Circuit：专用集成电路)、PLD(Programmable LogicDevice：可编程逻辑器件)或FPGA(Field Programmable Gate Array：现场可编辑门阵列)等硬件(电路部；包含电路)实现，也可以通过软件与硬件的协同动作而实现。

清洗控制部81为了使自身装置作为洗衣机发挥功能而具有根据向操作面板5的输入操作及传感器组SU的检测结果对滚筒电机7、排水阀单元9、进水阀单元10、干燥单元11、泵30的动作进行控制的功能。清洗控制部81也可以构成为，除了基于预先对洗衣机100设定的清洗方法的控制以外，还进行基于用户U设定的清洗方法的控制。例如，利用洗衣机100的操作面板5或终端装置300中安装的应用(以下称作“清洗应用”)，进行用户U的清洗方法的设定。以下，将在洗衣机100的使用中供选择的清洗方法称作“清洗程序”，将清洗程序中的由用户U通过清洗应用而设定的程序称作“应用程序”。

存储部82存储识别信息I1以及状态信息I2。识别信息I1表示为了识别洗衣机100而对各洗衣机100赋予的设备ID。状态信息I2是表示洗衣机100的状态的时序信息。

信息记录部83例如参照未图示的计时器，将表示洗衣机100的状态的信息和日期时间信息建立对应，并追加到存储部82的状态信息I2中。“洗衣机100的状态”例如包括洗衣机100的电源的接通(ON)/断开(OFF)的状态、滚筒电机7、进水阀单元10、排水阀单元9、干燥单元11、泵30的运转状态等。此外，“洗衣机100的状态”也可以包括由洗衣机100清洗的物品的状态。日期时间信息包括表示星期及时刻的信息。

进而，信息记录部83将表示传感器组SU的检测结果的信息和日期时间信息建立对应，并追加到存储部82的状态信息I2中。这里，洗衣机100除了具有上述的门开关601、洗涤剂余量传感器602、柔顺剂余量传感器603以及电源检测部604以外，还具备水位传感器605、气泡传感器606、重量传感器607、脏污传感器608、水温传感器609、桶内相机610、周围温湿度传感器611、外气温度传感器612、线头过滤器开关613，作为传感器组SU。

水位传感器605是对注入到盛水桶14中的水的水位进行测量的传感器。气泡传感器606是对在盛水桶14的内部产生的气泡进行检测的传感器。气泡主要在洗涤处理的执行过程中由于洗涤剂或柔顺剂在盛水桶14内被搅拌而产生。根据起泡的程度，能够检测洗涤剂或柔顺剂的过量或不足。重量传感器607是对盛水桶14的重量进行测量的传感器。根据盛水桶14的重量，能够检测注水量及清洗对象的衣物量。脏污传感器608是对盛水桶14内的水的脏污进行检测的传感器。根据盛水桶14的振动状况，能够检测盛水桶14内的衣物的状态。水温传感器609是对注入到盛水桶14中的水的温度进行测量的传感器。

桶内相机610是对洗衣机100的盛水桶14的内部进行拍摄的相机。例如，图5是表示由桶内相机610拍摄洗衣机100的盛水桶14的内部而得到的图像(以下称作“盛水桶内图像”)的具体例的图。传感器组SU的检测结果是上述各种传感器、开关的检测结果。关于这些信息，可以记录原始数据，也可以在进行了必要运算(加工)后的状态下记录。

周围温湿度传感器611是对洗衣机100附近的温度及湿度进行检测的传感器。外气温度传感器612是对洗衣机100的设置场所的外气温度进行测量的传感器。在洗衣机100设置在屋外的情况下，外气温度传感器612的测量温度与周围温湿度传感器611的测量温度相同，所以外气温度传感器612也可以省略。电源检测部604如上述那样具有检测直流电压的功能。通过该功能，电源检测部604能够检测洗衣机100所连接的外部电源的频率。

信息输出部84经由无线模块70，将存储部82中存储的状态信息I2向服务器200发送。信息输出部84例如以规定的周期将状态信息I2向服务器200发送。此时，信息输出部84将状态信息I2与在存储部82中存储的识别信息I1建立关联而向服务器200发送。识别信息I1是为了识别洗衣机100而对各洗衣机100赋予的设备ID。状态信息I2及识别信息I1是从洗衣机100向服务器200发送的数据的一例。以下，将状态信息I2及识别信息I1统称为“数据D”。

另外，也可以是，取代上述结构，将信息记录部83省略，信息输出部84将洗衣机100的运转状态以及传感器组SU的检测结果实时地向服务器200发送。该情况下，也可以由服务器200进行洗衣机100的运转状态及传感器组SU的检测结果与日期时间信息之间的对应建立。

＜3.服务器＞

图6是表示服务器200的结构例的框图。服务器200例如包括信息取得部201、信息变换部202、学习部203、推定部204、信息记录部205以及信息输出部206。这些功能部通过由服务器200具有的CPU那样的硬件处理器执行程序(软件)而实现。但是，这些功能部的全部或一部分也可以由ASIC、PLD或FPGA等硬件(电路部；包含电路)实现，也可以由软件与硬件的协同动作来实现。

进而，服务器200具有存储部207。存储部207例如通过RAM、ROM、HDD、闪存存储器或它们中的多个的组合而实现。在存储部207中，存储有蓄积信息I11、用户登记信息I12、学习模型L、推定模型(已学习模型)M以及用户属性信息I13。

信息取得部201取得从洗衣机100发送的数据D(接收)。另外，在进行推定模型M的学习的情况下，信息取得部201从多个家庭中分别使用的多个洗衣机100收集数据D。信息取得部201将取得的数据D作为蓄积信息I11蓄积到存储部207中。例如，关于各洗衣机100，信息取得部201持续规定期间(例如3个月)蓄积数据D。信息取得部201是“取得部”的一例。

信息变换部202根据蓄积有各洗衣机100的数据D的蓄积信息I11和学习模型L，生成后述的向推定模型M输入的输入信息。学习模型L是表示用于进行机器学习的算法的模型。推定模型M是通过利用了学习模型L的蓄积信息I11的学习而生成的已学习模型，是对用户U的属性进行推定的模型。例如，作为用户U的属性的一例，可以举出(a)洗衣机100的使用人数、(b)性别、(c)年龄、(d)住宅方式、(e)设置位置、(f)就业方式、(g)婚姻的有无、(h)居住地域等。但是，推定的用户U的属性只要是关于用户U的能够根据蓄积信息I11来推定的事项即可，也可以是上述列举的事项以外的事项。

(a.用于推定使用人数的输入信息)

例如，信息变换部202根据蓄积信息I11，生成以下列举的信息中的1个以上的信息，作为为了推定关于使用人数的属性而向推定模型M输入的输入信息(以下称作“使用人数推定用输入信息”)。这些信息至少在以下说明的观点中具有与使用人数之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作将关于使用人数的属性作为输出信息的推定模型M的输入信息。

·关于洗衣机100的机种的信息

·关于洗衣机100的清洗次数的信息

·关于由洗衣机100清洗的衣物的量的信息

·关于洗衣机100的清洗时间的信息

·关于洗衣机100的连续运转的信息

·关于洗衣机100所清洗的衣物的脏污的信息

·关于洗衣机100中的线头过滤器的清扫频率的信息

·关于洗衣机100的清洗程序的信息

·关于洗衣机100的计时器预约的设定的信息

·关于洗衣机100中的洗澡水的使用的信息

·关于洗衣机100中的预约时间的变更的信息

·关于由洗衣机100清洗的衣物种类的信息

·关于从洗衣机100的清洗结束到衣物被取出为止的时间的信息

例如，认为通常来说，洗衣机的制造商上线(lineup)具有与使用洗衣机的人数相应的功能性的机种，因此用户从上线的机种中选择买入与自身设想的使用人数相应的机种。因此，认为洗衣机100由与其机种相应的人数的用户使用的可能性较高。

此外，通常，施加给洗衣机100的负荷具有使用洗衣机100的人数(例如，用户的同居家族的人数)越多则越大的倾向。因此，表示施加给洗衣机100的负荷大小的各种指标值与洗衣机100的使用人数具有相关性。这里，作为表示施加给洗衣机100的负荷大小的指标值，可以举出“洗衣机100的清洗次数”、“洗衣机100清洗的衣物的量”、“洗衣机100的清洗程序”、“洗衣机100的清洗时间”、“洗衣机100的连续运转”、“洗衣机100清洗的衣物的脏污”、“洗衣机100中的线头过滤器的清扫频率”等。

图7是表示在使用人数推定用输入信息的生成中使用的数据D的具体例的图。数据D是表示传感器组SU的检测结果的时序数据。在图7中，“洗衣机100的清洗次数”例如能够根据门开关601的输出来检测。此外，“洗衣机100清洗的衣物的量”例如能够根据重量传感器607或水位传感器605的输出来检测。此外，“洗衣机100的清洗时间”以及“洗衣机100的连续运转”例如能够根据门开关601或重量传感器607的输出来检测。此外，“洗衣机100清洗的衣物的脏污”例如能够根据脏污传感器608的输出来检测。此外，“洗衣机100中的线头过滤器的清扫频率”能够根据线头过滤器开关613的输出来检测。

此外，通常，洗衣机100的使用方法具有根据使用洗衣机100的人是单身还是家族而变化的倾向。这里，作为与洗衣机100的使用方法有关的指标值，可以举出“洗衣机100的计时器预约的设定”、“洗衣机100中的洗澡水的使用”、“洗衣机100的预约时间的变更”等。例如，单身使用洗衣机100的用户被认为生活模式的变动较大，所以认为计时器的预约时间被变更的频率比较高。另一方面，家族使用洗衣机100的用户被认为生活模式的变动较小，所以认为计时器的预约时间被变更的频率比较低。

此外，通常，认为在洗衣机100的使用中使用洗澡水的用户是家族使用洗衣机100的用户的可能性较高。与“洗衣机100的清洗程序”、“洗衣机100的计时器预约的设定”、“洗衣机100中的洗澡水的使用”、“洗衣机100的预约时间的变更”有关的信息能够根据对操作面板5进行的操作输入的履历信息来检测。

此外，通常，洗衣机100所清洗的衣物种类更直接地表现其用户的家族构成。例如，对于清洗尺寸较小的衣物的用户的家族构成，认为是有孩子的家庭的可能性较高，并且认为洗衣机100的使用人数是多个人的可能性高。此外，通常，认为从洗衣机100的清洗结束到衣物被取出为止的时间短表示清洗量多的可能性较高，认为该用户是家族使用洗衣机100的可能性较高。“洗衣机100所清洗的衣物种类”例如能够根据盛水桶内图像(参照图5)来检测。“从洗衣机100的清洗结束到衣物被取出为止的时间”例如能够根据门开关601或重量传感器607的输出来检测。

信息变换部202生成根据这样的数据D取得的“与施加给洗衣机100的负荷有关的信息”、“与从洗衣机100的清洗结束到衣物被取出为止的时间有关的信息”、“与洗衣机100所清洗的衣物种类有关的信息”、“与洗衣机100的清洗程序有关的信息”、“与洗衣机100的计时器预约的设定有关的信息”、“与洗衣机100中的洗澡水的使用有关的信息”、“与洗衣机100的预约时间的变更有关的信息”等信息，作为使用人数推定用输入信息。

另外，作为与洗衣机100的使用人数有关的属性的其他例子，可以举出用户的家庭结构。例如，在推定为洗衣机100的用户为1人的情况下，能够认为该用户的家庭结构为单独家庭。此外，例如，在推定为洗衣机100的使用人数为2人且年龄层为同一代的情况下，能够认为该用户的家庭结构是仅有夫妻的家庭。该情况下，为了推定用户的年龄或年龄层，后述的年龄推定用输入信息也可以包含在人数推定用输入信息中。

此外，例如在推定为洗衣机100的使用人数为多个人且其中包括孩子和成人的情况下，能够认为该用户的家庭结构是父母与子女的家庭。该情况下，为了推定孩子的有无，后述的年龄推定用输入信息、就业方式推定用输入信息等信息也可以包含在人数推定用输入信息中。

此外，该情况下，在推定为成人中包括育儿年龄段的成人和老龄的成人的情况下，能够认为该用户的家庭结构是3代同堂家庭。该情况下，为了推定成人的年龄层，后述的年龄推定用输入信息、就业方式推定用输入信息等信息也可以包含在人数推定用输入信息中。

(b.用于推定性别的输入信息)

例如，信息变换部202根据蓄积信息I11生成以下次列举的信息中的1个以上的信息，作为为了推定与用户U的性别有关的属性而向推定模型M输入的输入信息(以下称为“性别推定用输入信息”)。这些信息至少在以下说明的观点中具有与用户U的性别之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作将与用户U的性别有关的属性作为输出信息的推定模型M的输入信息。

·与洗衣机100所清洗的衣物种类有关的信息

·与洗衣机100的清洗程序有关的信息

·与在洗衣机100中使用的洗涤剂或柔顺剂的品牌有关的信息

·与洗衣机100的用户U的身体特征有关的信息

“洗衣机100所清洗的衣物种类”更直接地表现其用户的性别。例如能够根据衣物的用途、尺寸、花纹、颜色、形状(衣物种类的一例)等来判别例如洗衣机100所清洗的衣物是男性用衣物还是女性用衣物。此外，通常，认为与男性相比女性考虑对洗涤物的负荷的倾向更强。例如认为“洗衣机100的清洗程序”之一的“时尚衣物洗涤”等具有女性比男性更喜爱使用的倾向。此外，这样的女性的嗜好性有时在所使用的洗涤剂或柔顺剂中也有体现，所以在检测到特定品牌的洗涤剂或柔顺剂的使用的情况下，有能够推定该用户的性别的可能性。“与在洗衣机100中使用的洗涤剂或柔顺剂的品牌有关的信息”例如能够通过用户登记信息I12来判别。

此外，认为“用户U的身体特征”表现出与洗衣机100的用户U的性别有关的倾向。例如，男性具有身高比女性高的倾向。此外，男性的手或手臂具有比女性的手或手臂粗大的倾向。此外，相比于男性，女性在手或手臂上佩戴珠宝饰品的情况较多，除此以外，多数情况下该珠宝饰品从外观来看能够得知是女性用的还是男性用的。

具体而言，洗衣机100的用户U的身体特征例如能够利用洗衣机100的盛水桶内图像数据来取得。例如，洗衣机100的盛水桶内图像中有时拍摄到使洗涤物进出的用户U的手。因此，信息变换部202通过图像识别处理来检测在盛水桶内图像中拍摄的人的手，识别所检测到的手的属性(例如，大小、粗细、装饰品的有无等)。盛水桶内图像数据是数据D的一个形态。该情况下，图像识别处理只要能够识别在盛水桶内图像中拍摄的人的手即可，利用怎样的方法都可以。

例如，在图像识别处理中能够采用如下方法，即：基于利用图像数据的各像素值而取得的各种特征量，识别人的手的有无及属性。因此，信息变换部202生成表示基于图像识别处理的人的手的识别结果的信息作为性别推定用输入信息。另外，认为图像数据的各像素值中包含表示被摄体的特征的信息，因此信息变换部202也可以生成该图像数据本身作为性别推定用输入信息。

(c.用于推定年龄的输入信息)

例如，信息变换部202基于蓄积信息I11生成以下列举的信息中的1个以上的信息，作为为了推定与用户U的年龄有关的属性而向推定模型M输入的输入信息(以下称作“年龄推定用输入信息”)。这些信息至少在以下说明的观点中具有与用户U的年龄之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作将与用户U的年龄有关的属性作为输出信息的推定模型M的输入信息。

·与洗衣机100的机种有关的信息

·与洗衣机100的清洗次数有关的信息

·与洗衣机100清洗的衣物种类有关的信息

·与洗衣机100的清洗程序有关的信息

·与洗衣机100的连续运转有关的信息

·与洗衣机100的清洗时刻有关的信息

·与洗衣机100中使用的洗涤剂或柔顺剂的品牌有关的信息

·与洗衣机100的计时器预约设定有关的信息

·与洗衣机100清洗的衣物的脏污有关的信息

·与洗衣机100中的洗澡水的使用有关的信息

·与洗衣机100中的线头过滤器的清扫频率有关的信息

·与洗衣机100的清洗结束到衣物被取出为止的时间有关的信息

洗衣机100的机种有可能表现出根据年龄或年龄层而不同的用户的喜好的差异。例如认为，年轻用户选择比较新的形式的洗衣机即滚筒式的洗衣机的倾向较强，年纪大的用户选择立式的洗衣机的倾向较强。

此外，例如认为，与年轻人相比，高龄者的清洗量较少从而施加给洗衣机100的负荷也小的可能性较高。此外，基于同样的理由，认为，与年轻人相比，高龄者将洗衣机100连续运转的可能性较低。此外，高龄者由于与年轻人相比具有一大早开始活动的倾向，所以认为开始洗衣机100的开闭的时刻比年轻人早。此外，认为高龄者在工作日和休息日的生活模式的变化比年轻人小。另一方面，认为工薪族或学生等在工作日和休息日生活模式有变化。进而认为，学生的情况下，与工薪族不同，即使在工作日的每一天生活模式不同，从1周期间的跨度来看的情况下也具有重复相同生活模式的倾向。此外，有时根据清洗中使用的洗涤剂及柔顺剂的品牌而反映出基于年龄层的喜好的差异。同样地，有时基于年龄层的喜好的差异反映在所使用的洗衣机100的功能中。例如认为，与年轻人相比，高龄者使用干燥功能的可能性较低。例如干燥功能的使用的有无能够基于所清洗的清洗程序的履历信息来判别。

因此，信息变换部202生成“与施加给洗衣机100的负荷有关的信息”、“与洗衣机100所清洗的衣物种类有关的信息”、“与洗衣机100的清洗程序有关的信息”、“与洗衣机100的连续运转有关的信息”、“与洗衣机100的清洗时刻有关的信息”、“与洗衣机100中使用的洗涤剂或柔顺剂的品牌有关的信息”，作为年龄推定用输入信息。

(d.用于推定与住宅方式有关的属性的输入信息)

例如，信息变换部202基于蓄积信息I11生成以下列举的信息中的1个以上的信息，作为为了推定与住宅方式有关的属性而向推定模型M输入的输入信息(以下称作“住宅方式推定用输入信息”)。这些信息至少在以下说明的观点中具有与住宅方式之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作将与住宅方式有关的属性作为输出信息的推定模型M的输入信息。

·与洗衣机100的周围的温度或湿度有关的信息

·与洗衣机100的设置位置的外部气温有关的信息

图8是表示洗衣机100的设置位置的温度变化的第一具体例的图。如图8所示，认为“洗衣机100的周围的温度或湿度”表现出与该设置位置相应的室内外的温度变化的倾向。例如，与独立住宅的住房相比，公寓具有室内的温度变化小的倾向。具体而言，与洗衣机100的设置位置的温度有关的信息能够根据蓄积信息I11中包含的周围温湿度传感器611的检测结果来取得。因此，信息变换部202生成表示洗衣机100的设置位置的温度的信息，作为住宅方式推定用输入信息。

此外，公寓与独立住宅的住房相比不易受到外部气温的影响，因此具有室内的温度变化不依赖于时间段、季节等而变小的倾向。由于室内的温度变化较大地受到屋外的温度的影响，所以为了更正确地判断室内的温度变化的要因，“洗衣机100的设置位置的外部气温”也可以包含在住宅方式推定用输入信息中。此外，除了温度变化以外，公寓与独立住宅的住房相比具有室内的湿度变化较小的倾向。因此，与温度变化同样地，“洗衣机100的周围的湿度”也可以包含在住宅方式推定用输入信息中。

(e.用于推定与洗衣机100的设置位置有关的属性的输入信息)

例如，信息变换部202基于蓄积信息I11生成如下列举的信息中的1个以上的信息，作为为了推定与洗衣机100的设置位置有关的属性而向推定模型M输入的输入信息(以下称作“设置位置推定用输入信息”)。这些信息至少在以下说明的观点中具有与洗衣机100的设置位置之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作将与洗衣机100的设置位置有关的属性作为输出信息的推定模型M的输入信息。

·与洗衣机100的周围的温度或湿度有关的信息

·与洗衣机100的设置位置的外部气温有关的信息

例如，在洗衣机100设置于阳台或屋顶等屋外的情况下，洗衣机100的周边的温度变化与外部气温的变化相同。因此，认为能够根据洗衣机100的周边的温度变化来判别洗衣机100的设置位置是屋外还是屋内的可能性较高。此外，在洗衣机100设置在室内的情况下，洗衣机100的周围的温度变化有时反映了室内的特征。

图9是表示设置有洗衣机100的室内的温度变化的第二具体例的图。例如，在单间公寓等中，有时将洗衣机100设置在厨房附近，在该设置位置的附近设置炉子。并且认为，在洗衣机100的附近设置有炉子的情况下，洗衣机100的附近的温度在使用炉子的定时上升。此外，由于炉子在用餐时间段使用的可能性较高，所以在用餐时间段洗衣机100附近的温度上升的频率较高的情况下，该洗衣机100的设置场所是厨房的可能性较高。这样，认为，“洗衣机100的周围的温度”与关于洗衣机100的设置场所的属性之间具有相关性。因此，信息变换部202生成“与洗衣机100的周围的温度或湿度有关的信息”以及“与洗衣机100的设置位置的外部气温有关的信息”，作为设置位置推定用输入信息。

此外，认为，在洗衣机100设置在室内的情况下，“洗衣机100的周边的湿度”表现出与设置场所的空间的用途对应的湿度变化。例如，在洗衣机100设置在厨房附近的情况下，由于烹饪时产生的蒸汽而有湿度暂时变高的倾向。此外，即使是厨房以外的空间，在使用该空间时，也具有由于使用者的呼气或饮料等而湿度暂时变高的倾向。此外，湿度暂时变高的倾向的程度有时根据该空间的用途而不同，该倾向表现为湿度的变化量、湿度变化的时间段等特征。因此，信息变换部202生成表示洗衣机100的周边的湿度的信息，作为设置位置推定用输入信息。

(f.用于推定就业方式的输入信息)

例如，信息变换部202根据蓄积信息I11生成以下列举的信息中的1个以上的信息，作为为了推定与用户U的就业方式有关的属性而向推定模型M输入的输入信息(以下称作“就业方式推定用输入信息”)。这些信息至少在以下说明的观点中具有与用户U的就业方式之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作将与用户U的就业方式有关的属性作为输出信息的推定模型M的输入信息。

·与洗衣机100清洗的衣物种类有关的信息

·与洗衣机100的每一周的使用循环(以下称作“清洗循环”。)有关的信息

·与洗衣机100的预约时间的变更有关的信息

·与洗衣机100的周边的终端装置300的有无有关的信息

例如，认为，用户U的生活模式表现出用户U的工作方式、工作时间段等属性。此外，洗衣机100的使用模式表现出用户U的生活模式的一部分，施加给洗衣机100的负荷的变动模式表现出洗衣机100的使用模式。例如，在用户U的工作方式是兼职的情况下，表现为从洗衣机100的使用临时结束到再次开始为止的时间间隔为较短时间(例如不到几小时)这样的特征，用户U的工作方式是全职的情况下，表现为从洗衣机100的使用临时结束到再次开始为止的时间间隔为较长时间(例如10小时以上)这样的特征。

此外，例如，用户U的工作时间段作为从洗衣机100的使用临时结束到再次开始为止的时间段，其生活模式表现于洗衣机100的使用模式。例如，以早9点到晚20点为工作时间的用户U的生活模式表现为在工作日的早9点之前临时结束洗衣机100的使用、在晚20点以后再次开始洗衣机100的使用这样的洗衣机100的使用模式。此外，以夜晚21点到第二天早6点为工作时间的用户U的生活模式表现为在工作日的夜晚21点以前临时结束洗衣机100的使用、在第二天早6点以后再次开始洗衣机100的使用这样的洗衣机100的使用模式。

此外，例如，在用户是学生的情况下，用户U的生活模式表现为虽然有时按照工作日的每一天以不同模式使用洗衣机100、但是按照每一周来看以大致相同的模式的重复来使用洗衣机100这样的使用模式。另外，还能够根据用户在或不在用户住宅中来推定用户的生活模式。例如，能够根据例如洗衣机100的周边的用户终端(例如，智能手机、平板电脑、笔记本电脑等)的有无来推定用户的在或不在。此外，洗衣机100的周边的用户终端的有无可以根据用户终端的位置信息来推定，也可以根据用户终端是否存在于与洗衣机100相同的子网上来推定。

(f.用于推定洗衣机100的用户U的婚姻的有无的输入信息)

例如，信息变换部202根据蓄积信息I11生成以下列举的信息中的1个以上的信息，作为为了推定与用户U的婚姻的有无(结婚/未婚)有关的属性而向推定模型M输入的输入信息(以下称作“婚姻推定用输入信息”)。这些信息至少在以下说明的观点中具有与用户U的婚姻的有无之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作以与用户U的婚姻的有无有关的属性作为输出信息的推定模型M的输入信息。

·与洗衣机100的清洗次数有关的信息

·与洗衣机100清洗的衣物种类有关的信息

·与洗衣机100的清洗程序有关的信息

·与洗衣机100的清洗时刻有关的信息

·与洗衣机100的连续运转有关的信息

·与洗衣机100的清洗结束到衣物被取出为止的时间有关的信息

·与洗衣机100的计时器预约设定有关的信息

·与洗衣机100清洗的衣物的脏污有关的信息

·与洗衣机100中的洗澡水的使用有关的信息

·与洗衣机100的线头过滤器的清扫频率有关的信息

认为“施加给洗衣机100的负荷”表现出与用户U的婚姻的有无有关的倾向。例如，在洗衣机100的盛水桶14内容纳有男性用的衣物和女性用的衣物中的任一方的情况下，认为用户U未婚的可能性较高，在盛水桶14内容纳有男性用的衣物和女性用的衣物双方的情况下，认为用户U已结婚的可能性较高。此外，在盛水桶14内容纳有成人用的衣物和孩子用的衣物的情况下，也认为用户U已结婚的可能性较高。

因此，信息变换部202生成表示基于图像识别处理的衣物的识别结果的信息，作为婚姻推定用输入信息。此外，认为在图像数据的各像素值中包含表示被摄体的特征的信息，因此信息变换部202也可以生成该图像数据自身作为婚姻推定用输入信息。

此外，认为“洗衣机100的用户U的身体特征”也表现出与用户U的婚姻的有无有关的倾向。例如，作为表示与婚姻的有无有关的倾向的身体特征，可以举出婚戒佩戴的有无。在通过图像识别处理识别出盛水桶内图像中拍摄到的用户U的手上佩戴着婚戒的情况下，认为用户U已结婚的可能性较高。

因此，信息变换部202生成表示基于图像识别处理的身体特征的识别结果的信息作为婚姻推定用输入信息。此外，认为在图像数据的各像素值中包含表示被摄体的特征的信息，所以信息变换部202也可以生成该图像数据自身作为婚姻推定用输入信息。

(h.用于推定居住地域的输入信息)

例如，信息变换部202根据蓄积信息I11生成以下列举的信息中的1个以上的信息，作为为了推定与用户U的居住地域有关的属性而向推定模型M输入的输入信息(以下称作“居住地域推定用输入信息”)。这些信息至少在以下说明的观点中具有与用户U的居住地域之间的相关性。因此，能够将以下列举的各信息中的1个以上的信息用作将与用户U的居住地域有关的属性作为输出信息的推定模型M的输入信息。

·与洗衣机100的周围的温度或湿度有关的信息

·与洗衣机100的外部电源的频率有关的信息

认为“洗衣机100的周边的温度”表现出与用户U的居住地域有关的倾向。例如，在洗衣机100设置在室内的情况下，认为洗衣机100的周边的温度相对于外部气温相对地变化，外部气温对应于地域而示出不同的分布。因此，认为，洗衣机100的周边的温度反映用户U的居住地域的气候。此外，认为“洗衣机100的周边的湿度”也表现出与用户U的居住地域有关的倾向。进而，认为“洗衣机100的周边的温度”和“洗衣机100的周边的湿度”的组合对居住地域的气候更详细地赋予特征。

因此，信息变换部202生成表示洗衣机100的周边的温度的信息作为居住地域推定用输入信息。另外，也可以是，信息变换部202从气象局的服务器取得各地的气温信息，将取得的各地的气温信息与周围温湿度传感器611的检测结果之间的比较结果作为居住地域推定用输入信息。

另外，用户U在清洗中使用的水有时具有其居住地域所特有的性质(例如软水还是硬水等)。因此，在能够计测洗衣机100所使用的水的水质的情况下，有能够根据计测到的水质推定用户的居住地域的可能性。因此，在具有测量洗衣机100使用的水的水质的水质传感器的情况下，信息变换部202也可以生成与洗衣机100使用的水的水质有关的信息作为居住地域推定用输入信息。

此外，“与外部电源的频率有关的信息”是表示洗衣机100所连接的外部电源的交流频率是50Hz还是60Hz的信息等。该信息例如根据数据D中包含的电源检测部604的检测结果而导出。这里，东日本的商用电源的频率是50Hz，西日本的商用电源的频率是60Hz。

接着，对学习部203进行说明。学习部203通过将上述的各种输入信息应用于机器学习的学习模型L，从而生成用于推定用户U的属性的推定模型M作为已学习模型。推定模型M学习成为在输入与洗衣机100有关的信息时输出洗衣机100的用户U的属性的推定结果。

本实施方式中，学习部203生成用于推定与使用人数有关的属性的推定模型MA、用于推定有关性别的属性的推定模型MB、用于推定与年龄有关的属性的推定模型MC、用于推定与住宅方式有关的属性的推定模型MD、用于推定与设置位置有关的属性的推定模型ME、用于推定与就业方式有关的属性的推定模型MF、用于推定与婚姻的有无有关的属性的推定模型MG、用于推定与居住地域有关的属性的推定模型MH，作为用于推定用户U的属性的推定模型M。

另外，本说明书中所谓的“学习”，也可以表示无监督学习或有监督学习的任一种。以下，主要说明通过有监督学习来生成推定模型M的情况，但推定模型M也可以通过无监督学习来生成。例如，学习部203将通过信息变换部202生成的各种推定用输入信息与用户登记信息I12作为训练数据应用于学习模型L，对各种推定用输入信息与用户登记信息I12之间的关联性进行学习，由此生成推定模型MA～MH作为已学习模型。在学习模型L中，例如能够使用神经网络、强化学习、深度学习等，但学习模型L不限于此。学习模型L也可以生成回归曲线或分类器作为上述关联性的学习结果。例如，也可以使用SVM(Support VectorMachine：支持向量机)、决策树(Decision Tree)、随机森林、k临近算法等作为神经网络以外的学习模型L。

图10是表示用户登记信息I12的具体例的图。用户登记信息I12中，按照各用户U的每个识别信息(用户ID)，可以举出用户拥有的洗衣机100的使用人数、设置位置、用户U的性别、年龄、就业方式、婚姻的有无、居住地域、用户居住的住宅的方式(住宅方式)、使用的柔顺剂及洗涤剂的品牌等。但是，所推定的用户U的属性只要是能够根据蓄积信息I11而对于用户U推定的事项即可，也可以是上述列举的事项以外的事项。学习部203通过进行以将这样的用户U的各属性和与它们具有相关性的各种推定用输入信息建立对应而成的数据作为训练数据的机器学习，能够学习用户U的各属性与各种推定用输入信息之间的关联性。

另外，用户U的各属性与各种推定用输入信息的对应建立可以手动实施，也可以机械实施。例如也可以是，学习部203针对各种推定用输入信息求出与各属性之间的相关性的强度，将各种推定用输入信息与相关性最强的属性建立对应从而生成训练数据。

推定部204利用通过学习部203得到的推定模型M，根据从用户属性的判断对象的洗衣机100(以下称为“判断对象洗衣机100”)接收到的数据D，对判断对象洗衣机100的用户U的用户属性进行推定。这里，所谓“推定”，不限于判断最可能的1个属性候选，也包括输出多个属性候选的各自的概率(例如，使用人数是1人的可能性：10％，使用人数是2人的可能性：20％，使用人数是3人的可能性：50％，使用人数是4人以上的可能性：20％)的情况。

推定部204将基于从判断对象洗衣机100得到的数据D的各种推定用输入信息向推定模型M输入，得到判断对象洗衣机100的用户U的用户属性的推定结果作为推定模型M的输出信息。本实施方式中，推定部204将上述的使用人数推定用输入信息、性别推定用输入信息、年龄推定用输入信息、住宅方式推定用输入信息、设置位置推定用输入信息、就业方式推定用输入信息、婚姻推定用输入信息、居住地域推定用输入信息作为基于从判断对象洗衣机100得到的数据D的输入信息而分别向对应的推定模型MA～MH输入，作为推定模型MA～MH的输出信息而使(a)洗衣机100的使用人数、(b)性别、(c)年龄、(d)住宅方式、(e)设置位置、(f)就业方式、(g)婚姻的有无、(h)居住地域的推定结果输出。

信息记录部205将通过推定部204推定出的用户属性作为用户属性信息I13存储到存储部207中。

信息输出部206将通过上述的处理得到的用户属性信息I13向终端装置300发送。由此，用户属性信息I13能够用于制品开发、服务提供。

＜4.处理的流程＞

接着，对处理的流程进行说明。

图11是表示洗衣机100中的处理的流程的图。首先，控制部80判断洗衣机100的电源是否接通(ON)(S101)。在洗衣机100的电源断开(OFF)的情况下，控制部80待机直到洗衣机100的电源接通为止。

另一方面，在洗衣机100的电源接通的情况下(S101：是)，控制部80将由传感器组SU检测到的检测结果以规定的周期或实时地向服务器200发送(S102)。

接着，控制部80判断洗衣机100的电源是否断开(S103)。在洗衣机100的电源接通的情况下(S103：否)，控制部80重复进行S102的处理。另一方面，在洗衣机100的电源断开的情况下(S103：是)，控制部80结束一系列处理。并且，洗衣机100例如持续规定期间重复进行上述的处理(S101～S103)。

图12是表示服务器200中的处理的流程的图。作为前提，从洗衣机100发送到服务器200的数据D被信息取得部201取得，并作为蓄积信息I11蓄积。

首先，信息变换部202根据蓄积信息I11，生成上述的各种推定用输入信息(S201)。接着，推定部204将生成的各种推定用输入信息向推定模型MA～MH分别输入，从而作为输出信息而得到与用户U的属性有关的推定结果(S202)。接着，信息输出部206使终端装置300输出表示由推定部204推定出的与用户U的属性有关的推定结果的信息。

＜5.作用＞

作为比较例，考虑通过在问卷调查或网络上输入性别、年龄、使用人数、居住地域等信息从而收集用户U的属性信息。但是在这些情况下，有输入繁琐从而用户不肯输入信息的情况，此外也有用户输入的信息与实际不符的情况。此外，以问卷调查形式向用户确认详细使用状况也比较困难。

另一方面，在本实施方式中，信息处理系统1包括信息取得部201和推定部204，信息取得部201取得从洗衣机100发送的数据D，推定部204利用机器学习出的推定模型M，根据从信息取得部201所取得的数据D得到的各种推定用输入信息，推定洗衣机100的用户U的属性。根据这样的结构，即使没有用户U的输入，也能够根据用户U的洗衣机100的使用结果来推定用户U的属性。由此，能够实现用户U的属性信息的收集负担的降低。

另外，也可以利用经由网络而可通信地连接的多台信息处理装置安装服务器200。该情况下，服务器200具备的各功能部也可以在多个信息处理装置中分散安装。例如，学习部203和推定部204也可以分别安装在不同的信息处理装置中。

在上述的实施方式中，说明了服务器200通过蓄积信息的机器学习而推定与洗衣机100的用户的属性有关的信息的情况，但洗衣机100也可以构成为，不仅推定所指定的定时的用户的属性，而且将推定结果蓄积，根据蓄积的推定结果来推定与其变化有关的用户的属性。例如也可以是，服务器200根据使用人数的变化来推定用户的家族构成的变化。例如也可以是，在使用人数从1人增加到2人的情况下，服务器200推定为用户婚姻状态从未婚变化为结婚。

根据以上说明的至少一个实施方式，通过具有取得与洗衣机的状态有关的数据的取得部和利用通过机器学习而生成的已学习模型、根据由上述取得部取得的上述数据来推定上述洗衣机的用户的属性的推定部，从而能够不依赖于用户的设定行为地对使用洗衣机的用户的属性进行推定。

对本发明的几个实施方式进行了说明，但这些实施方式是作为例子提示的，并不意欲限定发明的范围。这些实施方式能够以其他各种各样的方式实施，在不脱离发明主旨的范围内，能够进行各种省略、替换、变更。这些实施方式及其变形包含在发明的范围及主旨中，同样地，也包含在权利要求所记载的发明及其等同范围中。